基于FPGA的卷积神经网络图像分类算法硬件加速电路设计与实现

发布时间：2021-03-16 02:33

　　近年来,卷积神经网络在图像分类、语音识别及自动驾驶等领域有了十分优异的表现,成为了一大研究热点。然而,移动设备领域存在计算能力及功耗的要求,使得采用图形处理器（Graphics Processing Unit,GPU）完成卷积神经网络加速器的工作非常困难,更多是在云端完成后直接获得结果。为了今后能够在移动端不过多增加成本和功耗的前提下,采用专用集成电路（Application Specific Integrated Circuit,ASIC）完成卷积神经网络加速器工作,减轻云端通信的负载,本课题提出了一种混合型卷积神经网络结构,并在现场可编程门阵列（Field Programmable Gate Array,FPGA）上进行了电路实现,在保证准确率的前提下,减少了大量乘法计算量,完成了卷积神经网络的硬件加速。本文的工作主要包括以下三点:针对卷积层的复杂乘法运算,将卷积神经网络中卷积层的浮点乘法运算通过量化的方式转变成简单的同或（XNOR）计算,保留卷积神经网络中原本的全连接层结构,从而在保障卷积神经网络有效识别率的前提下实现乘法资源的节约;针对卷积神经网络中卷积层的局部感受野特性,本课... 

【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

Sigmoid激活函数曲线图

Tanh激活函数曲线图

ReLU激活函数曲线图


本文编号：3085251